Abstract. Panel data is a combination of time series and cross section data. Panel
data regression is used because in a time there is time researchers can’t perform
analysis only by using time series data and cross section data only. This is because
the number of factors used in the analysis phase, so that if the researcher only
uses cross section data then the researcher can’t see the influence of factors that
affect as well as on the growth of HDI that occurs from time to time in a certain
period. Whereas it is quite possible that the conditions between one year and
another will be different. Based on the model estimation, it is used with fixed
effect model (FEM) approach. Modeling HDI with FEM in 2006-2015 period
resulted in R2 value of 94.23%. The results showed that from 2006-2015 the ratio
of student-teacher (RST), health facilities (HF), percentage of expenditure per
capita by group of food (PPF) and regional per capita expenditure (PPE) have
significant effect to HDI.
Keywords: HDI, Panel, Fixed Effect Model
MSC 2010: 62J07
1. Pendahuluan
Indeks Pembangunan Manusia (IPM) merupakan salah satu indikator yang digunakan
pemerintah dalam mewujudkan masyarakat yang makmur dan sejahtera. IPM merupakan
indeks komposit yang dihitung dari indeks kesehatan, indeks pendidikan, dan indeks
kependudukan. IPM telah dijadikan tolak ukur dalam menentukan keberhasilan
pembangunan suatu wilayah atau negara, bahkan bagi Indonesia. IPM merupakan data
yang strategis karena selain sebagai tolak ukur kinerja pemerintah, IPM juga digunakan
sebagai salah satu alokator dana umum oleh pemerintah. Perkembangan IPM di Indonesia
dari tahun ketahun selalu mengalami peningkatan. Di Jawa Timur, peningkatan IPM terus
terjadi setiap tahunnya dengan tingkat kenaikan sebesar 0,72 point dari tahun 2010-2015.
Selain itu peningkatan IPM juga tidak menutup kemungkinan akan menurun seperti
halnya pada tahun 2009-2010 yang rata-rata turun sebesar 5,78 point. Hal ini dikarenakan
69
Analisis Regresi Data Panel .......................... Hidayat, M.J., Hadi, A.F, Anggraeni, D.
variabel penyusun IPM tidak menentu maka hal tersebut akan cukup krusial untuk diteliti.
Sehingga digunakan metode regresi data panel dalam penelitian kali ini. Data panel
adalah gabungan antara data runtut waktu (time series) dan data silang (cross section).
Metode data panel memiliki beberapa keuntungan dibandingkan dengan hanya
menggunakan cross-section atau time-series saja [1]. Beberapa keuntungan tersebut
yaitu, data panel memberikan data yang lebih informatif, lebih variatif, mengurangi
kolinearitas antar variabel, drajat kebebasannya lebih banyak, efisiensi yang lebih besar,
dapat mendeteksi lebih baik dalam mengukur efek-efek yang tidak dapat diobservasikan
dalam cross-section maupun time-series.
Penelitian sebelumnya dengan pendekatan fixed effect model lebih pada IPM di seluruh
kab/kota di Jawa Tengah dari tahun 2008-2012. Didapat bahwa melek huruf, rata-rata
lama sekolah, dan pengeluaran riil per kapita secara berpengaruh signifikan terhadap IPM
[2]. Kemudian analisis faktor-faktor yang mempengaruhi IPM di Indonesia dari tahun
2008-2012. Hasil yang diperoleh yaitu PDRB, Rasio Ketergantungan, Konsumsi Pangan
Rumah Tangga dan APBD Kesehatan berpengaruh signifikan terhadap IPM sementara
APBD pendidikan Tidak berpengaruh signifikan serta secara bersama-sama variabel
independen berpengaruh sebesar 90% terhadap variabel dependen[3].
Tujuan dari penelitian ini adalah melakukan pendekatan dengan melakukan pemilihan
model regrsi data panel. kemudian dilakukan uji estimasi parameter, dan terakhir
dilakukan uji asumsi klasik, sehingga dapat diketahui variabel apa saja yang berpengaruh
signifikan terhadap IPM.
Analisis Regresi
Analisis regresi adalah hubungan yang dapat dan dinyatakan dalam persamaan matematik
yang menyatakan hubungan fungsional antar variabel-variabel. Analisis regresi dibagi
menjadi dua yaitu:
a. Analisis regresi linier sederhana
70
Majalah Ilmiah Matematika dan Statistika Volume 18 Nomor 2, 2018, 69 – 80
https://jurnal.unej.ac.id/index.php/MIMS/index ISSN 1411-6669
Y= a+b x (2)
dengan: y = subyek dalam variabel dependen yang diprediksi
a = parameter inercept
b = parameter koefisien regresi bariabel bebas
x = subyek pada variabel yang mempunyai nilai tertentu
α it = intersep merupakan efek grup/individu dari unit cross section ke-i dan periode waktu
ke-t
β = ( β1 , β2 ,…, βn )adalah vector konstanta berukuran 1xn dengan n banyaknya variabel
independent
Xi t = menunjukkan vector observasi pada variabel independent berukuran 1xn
e
it = komponen eror unit data table silang ke-i dan waktu ke-t
i = 1,2,…,n
t = 1.2,…,T
71
Analisis Regresi Data Panel .......................... Hidayat, M.J., Hadi, A.F, Anggraeni, D.
CEM adalah model regresi pada data longitudinal yang didapat dengan asumsi bahwa
unit cross-setion dan time-series yang digunakan dalam model ini sudah ditentukan [6],
persamaannya adalah:
yi t= a+µi +λt + βXi t +ei t (5)
dengan:
y = unit cross section ke-i untuk periode waktu ke-t
it
a = intersep merupakan efek grup/individu dari unit cross section ke-i dan periode
waktu ke-t
β = ( β1, β2 ,…, βn ) adalah vector konstanta berukuran 1xn dengan n banyaknya variabel
independent
Xi t = menunjukkan vector observasi pada variabel independent berukuran 1xn
e
it = komponen eror unit observasi ke-i pada waktu ke-t
λt = intersep waktu ke-t
µi = intersep cross-setion ke-i
i = 1,2,…,n
t = 1.2,…,T
e
it = komponen eror untuk individu ke-i pada waktu ke-t
βi = parameter galat untuk individu ke-i pada waktu ke-t
Xi t = menunjukkan vector observasi pada variabel independent berukuran 1xn
DK i = variabel boneka (dummy variable)
yi t= αi t + β Xi t + ei t (7)
dengan asumsi α it adalah variabel random dengan rata-rata α0
sehingga intersep setiap
unit adalah
α i = a0 + εi
untuk i=1, 2, …, N
Dengan demikian, apabila disubtitusikan maka modelnya menjadi
72
Majalah Ilmiah Matematika dan Statistika Volume 18 Nomor 2, 2018, 69 – 80
https://jurnal.unej.ac.id/index.php/MIMS/index ISSN 1411-6669
yi t= a0 + εi + β Xi t + ei t
yi t= αi t + β Xi t + wi t
dengan
wit = komponen eror cross section dan komponen eror time series
a Uji Chow
Uji Chow digunakan untuk memilih salah satu model pada regresi data panel, yaitu
antara FEM dengan CEM [9]. dengan hipotesis:
H 0 : a1= a2 = …= an= 0 (CEM)
H 1 :mi ni mal ad a sat u aI ≠ 0; i= 1,2,…,n (FEM)
Statistik uji:
RRSS− U RSS
n− 1
U RSS
F=
nt− n− k (8)
dengan
RRSS : sum square residual model OLS
URSS : sum square residual model fix
n : jumlah unit cross section
t : jumlah unit waktu
k : jumlah parameter yang akan diestimasi
Jika Fhi t un g > F N− 1, NT− N− K atau p− val ue< α (taraf signifikansi) b sehingga H 0
ditolak, maka untuk mengestimasi persamaan regresi digunakan fixed effect model.
b Uji Hausman
Uji Hausman digunakan untuk memilih antara model FEM atau REM [1], dengan
hipotesis:
H 0 : corr ( Xi t ,εi ) =0 (REM)
H1
: corr ( Xi t ,εi ) ≠ 0 (FEM)
statistik uji:
W= (β F EM − βREM )' (v ar (β F EM )− v ar (β F EM ))− 1( β FE M − β RE M )
(9)
atau p− val ue< α (taraf signifikan) adalah FEM.
2
H0 W>X
Keputusan tolak jika a,K
73
Analisis Regresi Data Panel .......................... Hidayat, M.J., Hadi, A.F, Anggraeni, D.
nT i=1
(10)
LM =
2T 1 N T
eit
2
i=1 t=1
2
Tolak H O jika L M >X a, K maka H0 ditolak sehingga model yang digunakan adalah
REM.
74
Majalah Ilmiah Matematika dan Statistika Volume 18 Nomor 2, 2018, 69 – 80
https://jurnal.unej.ac.id/index.php/MIMS/index ISSN 1411-6669
Statistik uji:
M Sr egr esi
Fhi t un g=
M Sr esi dual (11)
dengan:
2
R = Koefisien Determinasi
n = Jumlah data silang
T = Jumlah data rutun waktu
K = Jumlah variabel independen
H 0 ditolak jika Fhi t un g>Ft abel ( F a;( K − 1, N− K ) ) , sehingga hubungan antara variable dependen
2. Metodologi
Data yang digunakan dalam penelitian ini adalah data diambil dari Badan Pusat
Statistik dengan ruang lingkup penelitian dibatasi pada kabupaten/kota di Jawa Timur
dari tahun 2006 sampai dengan tahun 2015:
Variabel tidak bebas (Y) adalah Indeks Pembangunan Manusia (IPM)
75
Analisis Regresi Data Panel .......................... Hidayat, M.J., Hadi, A.F, Anggraeni, D.
Variabel bebas (X) yang akan digunakan dalam penelitian ini adalah sebagai
berikut :
Angka Melek Huruf ( X 1 )
Pengeluaran Perkapita Daerah ( X 2 )
Presentase Pengeluaran Perkapita Kelompok Makan ( X3 )
Rasio Murid-Guru ( X4 )
Jumlah Sarana Kesehatan ( X 5 )
Langkah-langkah Penelitian
Langkah–langkah yang akan dilakukan dalam penelitian ini adalah sebagai berikut:
1. Studi Literatur .
2. Melakukan estimasi data panel
3. Melakukan pemilihan model regresi data panel
4. Melakukan uji asumsi klasik
5. Melakukan uji signifikansi parameter pada model regresi data panel
6. Penarikan kesimpulan.
Data yang diperoleh akan diestimasi dengan metode regresi data panel, namun sebelum
melakukan estimasi terlebih dahulu dilakukan pemilihan model yang sesuai. Ada
beberapa model regresi data panel yaitu adalah CEM, FEM, REM. Kemudian setelah
didapat model regresi data panel akan dilakukan uji asumsi klasik dan juga uji estimasi
parameter.
Uji chow merupakan uji yang digunakan untuk memilh antara CEM dan FEM.
Perhitungan uji Chow diperoleh nilai p-value = 0,000 < α=0,05, sehingga tolak H 0 dapat
dismpulkan bahwa model yang sesuai adalah fixed effect model. Selanjutnya dilakukan
uji Hausman yaitu untuk menentukan antara FEM dan REM yang sesuai. Perhitungan Uji
Hausman menghasilkan p-value=0,000 < α=0,05 sehingga tolak H 0 dapat disimpulkan
bahwa model yang sesuai adalah fixed effect model. Berdasarkan hasil uji Chow dan uji
Hausman maka model estimasi yang sesuai adalah fixed effect model.
Selanjutnya dilakukan uji asumsi klasik. Uji saumsi klasik meliputi uji normalitas, uji
multi kolinieritas dan uji heterokedastisitas. Berdasarkan Gambar. 1 diketahui
probabilitas J-B = 0,6495 > α= 0,05 sehingga dapat disimpulkan bahwa data berdistribusi
normal.
76
Majalah Ilmiah Matematika dan Statistika Volume 18 Nomor 2, 2018, 69 – 80
https://jurnal.unej.ac.id/index.php/MIMS/index ISSN 1411-6669
50
Series: Standardized Residuals
Sample 2006 2015
40 Observations 380
Mean -3.72e-17
30 Median 0.054444
Maximum 5.336587
Minimum -4.629226
20 Std. Dev. 1.794129
Skewness 0.101468
Kurtosis 2.884606
10
Jarque-Bera 0.862897
Probability 0.649568
0
-5 -4 -3 -2 -1 0 1 2 3 4 5
Bedasarkan Tabel. 1 diketahui bahwa koefisien variabel tidak terdapat yang melebihi 0,85
sehingga dapat disimpulkan bahwa tidak terdapat multikolinieritas.
Bedasarkan hasil uji heterokedastisitas pada Tabel. 2 Diketahui p-value=0,471 > α=0,05
sehingga dapat disimpulkan bahwa varians residual bersifat hetero. Berdasarkan hasil uji
asumsi klasik dimana terdapat heterokedastisitas, maka dalam perbaikannya digunakan
model fixed effect model dengan cross-section weight seperti Tabel 3.
Kemudian dilakukan pendugaan parameter terhadap hasil fixed effect model cross-
section weight. Hasil yang diperoleh adalah seperti pada Tabel 3.
77
Analisis Regresi Data Panel .......................... Hidayat, M.J., Hadi, A.F, Anggraeni, D.
Berdasarkan persamaan fixed effect model cross-section weight nilai IPM akan naik
apabila nilai AMH, PPM, RMG turun dan PPD, SARKES naik. Sebaliknya IPM akan
turun apabila nilai AMH, PPM, RMG naik dan PPD, SARKES turun serta dengan
pesamaan 13. dapat dihitung nilai IPM Jawa timur pada tahun 2009-2015. Hasil yang
diperoleh adalah seperti pada Gambar 2.
Berdasarkan Gambar 2. diketahui nilai IPM Jawa Timur mengalami penurunan pada
tahun 2009-2010 yaitu dari nilai 68,00 menjadi 67,80 dan terus naik pada tahun 2010-
2015 dari 67,80 pada tahun 2010 menjadi 69,00 pada tahun 2015.
78
Majalah Ilmiah Matematika dan Statistika Volume 18 Nomor 2, 2018, 69 – 80
https://jurnal.unej.ac.id/index.php/MIMS/index ISSN 1411-6669
4. Kesimpulan
Berdasarkan hasil dan pembahasan penelitian ini dapat diperoleh kesimpulan sebagai
berikut:
a) Hasil dari uji chow dan uji Hausman model yang sesuai dengan analisis regresi data
panel terhadap faktor yang mempengaruhi IPM Jawa Timur pada penelitian ini
adalah fixed effect model. Namun setelah dilakukan uji asumsi klasik terdapat gejala
heterokedastisitas, sehingga model yang digunakan adalah fixed effect model cross-
section weight. Dengan Persamaan regresi yang diperoleh yaitu:
IPM = -0.0796761309464 * AMH + 4.4653267378e-05 * PPD - 0.059578430218 * PPM -
0.174298952501 * RMG + 0.122708731474 * SARKES + 69.4984298389
dimana Pengeluaran Perkapita Daerah (PPD), Presentase Pengeluaran Perkapita
Kelompok Makan (PPM), Rasio Murid-Guru (RMG), Jumlah Sarana Kesehatan
(SARKES), dan Angka Melek Huruf (AMH) dapat menjelaskan Indeks
Pembangunan Manusia (IPM) sebesar 94,23%.
b) Berdasarkan estimasi parameter pada fixed effect model cross-section weight maka
terdapat empat variabel yang berpegaruh signifikan terhap IPM antaralain
Pengeluaran Perkapita Daerah (PPD), Presentase Pengeluaran Perkapita Kelompok
Makan (PPM), Rasio Murid-Guru (RMG) dan Jumlah Sarana Kesehatan (SARKES).
Sementara Angka Melek Huruf (AMH) tidak berpengaruh signifikan terhadap
variabel IPM.
79
Analisis Regresi Data Panel .......................... Hidayat, M.J., Hadi, A.F, Anggraeni, D.
Daftar Pustaka
[1] Baltagi, B.H., (2005), Econometrics Analysis of Panel Data 3rd edition, John Wiley
and Sons, Ltd., Chichester, England.
[2] Pangestika, S., (2015), Analisis Estimasi Model Regresi Data Panel dengan
Pendekatan Common Effect Model (CEM), Fixed Effect Model (FEM), dan Random
Effect Model.Skripsi. Universitas Negeri Semarang.
[3] Bhakti, A, N., (2012), Analisis Faktor-faktor yang Mempengaruhi Indeks
Pembangunan Manusia di Indonesia Periode 2008-2012. Universitas Jendral
Sudirman
[4] Badan Pusat Statistik, (2017), Indeks Pembangunan Manusia. BPS, Jakarta.
[5] Gujarati, D.N., (2004), Basic Econometrics, International Edition 4th Edition,
McGraw Hill, New York.
[6] Greene, W.H., (2007), Econometric Analysis, McMillan Publishing Company, New
York.
[7] Agustin R. A., (2016), Penerapan Regresi Data Panel Pada Ketahanan Pangan
Provinsi Lampung Tahun 2010-2013, Universitas Lampung, Bandar Lampung.
[8] Judge, G.G., Griffith, W.E., Hill, R.C., dan Lee T., (1980), The Theory and Practice
of Econometrics, Second Edition, John Wiley and Sons, Inc., New York.
[9] Diaty T.D., (2017), Analilis Regresi Data Panel Pada Timgkat Curah Hujan Di
Pulau Sumatra, Universitas Lampung, Bandar Lampung.
[10] Sukartika, (2009), Analisis Regresi Data Panel Pada Return Saham Abnormal, USM,
Surakarta.
[11] Widarjono, (2007), Ekonometrika Teori dan Aplikasi Untuk Ekonomi dan Bisnis.
Ekonosia, Yogyakarta.
[12] [12] Kifayati, Z., (2011), Estimasi Parameter Model Regresi Data Panel Common
Effect dengan Metode Ordinary Least Square (OLS). Skripsi. Universitas Islam
Negeri Maulana Malik Ibrahim.
80